Re: [新聞] 美Robotaxi市場剩特斯拉和Waymo兩強相爭

[caldude (caldude)]

業內人士

簡單分享一下看法

這兩家在技術路線上是完全不同的

技術方面：
狗車部分：

狗車 08年還啥時就出現 當時 deep learning 還沒完全起飛 大多數路線都還是走 classical robotics

有很長一段時間業內都公認狗車是最領先的 畢竟傳統路線 你搞得久 搞得多 不會差到哪

但狗車就是太早當領頭羊 組織太大 頭洗下去太久了

這幾年 deep learning 爆發後 沒有辦法快速pivot

畢竟你都一個車隊跑這麼久了 behavior planning 300 多人 你現在說要轉End to end 那路上在跑的怎麼辦？ 養的一堆人只會做傳統的怎麼辦？ 根本不可能

一些朋友在狗車 基本上就是一個人負責一個超小的feature 然後幾乎不可能上車

狗車現在不是完全手寫 很多 perception, maybe prediction 都有用 DL 了但就我所知 在planning 這塊 還是傳統MPC

另外就是仰賴高精度地圖 昂貴sensor 這在幾年前DL 起飛前可能合理 但現在看來完全讓整個商業模型不可行

你說他已經在路上跑 有收入了 但問題是開到報廢前 能回本？

Tesla 部分：

FSD 在今年之前 也是跟狗車差不多 走classical robotics 混一些DL (說實在2020之後應該沒有純手寫的公司了）

但director帶種 直接說幹就幹 今年V12 直接換成 end to end 直接一個質的飛躍

成本方面 一台車就靠幾個相機 完爆其他業內



另外這一兩年open ai （gen ai)火爆 主要就是因為發現 當你今天模型（算力）夠大 data夠多 你就頂呱呱

這在無人車 或者是general robotics 方面 在以前大家完全不是這樣想的

Robotics 在learning based approach 有兩大流派：
Imitation learning
Reinforcement learning

Imitation learning( or behavior cloning) 基本就是照抄你給他的資料 好一點可以舉一反三

傳統認為這路線是走不通的 因為會有 out of distribution 所導致的compounding error

簡單來說就是他沒看過的 他就有可能炸開 一旦炸開 它就到一個更沒看過的 更加炸裂

Generative AI (GPT/ diffusion model)這些基本上就是 imitation learning

結果現在發現 那我模型（算力）更大 讓他抄（data)更多 那他不就都看過了？

這竟然就突然讓imitation learning 突然可行了

GPT 剛開始出來時(GPT2吧？）也沒啥人注意 表現一般般 直到GPT3 之後 無腦加大 更大模型 更多資料 才一飛沖天

這幾年NLP/ CV 的這些突破 很快都會出現在robotics上

但這邊的重點就是你要有足夠的算力（gpu)跟足夠的資料

算力方面 錢可以解決

狗車有狗狗爸爸 tpu 應該不是問題

Tesla 基本上也是卯起來買gpu

但資料量方面 基本上目前業界沒有人打得贏Tesla 他就幾百萬輛台車整天在路上跑

狗車我沒查過 但貼文有人說才700輛？

你算力在屌 你如果只有一咪咪資料 也是沒用

結合以上 我自己是認為狗車可能現在在侷限ODD 可以比FSD 好

但超出營運範圍 跟未來growth 我不看好狗車


說啥狗車可以搞商用卡車 這些哪個將來FSD不能搞？ 一旦狗車說只搞商用 基本上也可以收一收了

貼文裡有人分享Waymo research 他們那跟車上跑的不同組 基本就是養個research組 能發發paper 吸引一些人進去 實際上最後應用到車上的很少

股點方面 自己是看多Tesla 但這股票本質上跟meme stock沒啥區別 FSD/ Optimus 做得好 不一定會完全表現在股價上



-----
Sent from JPTT on my iPhone

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.156.77.229 (日本)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1733915747.A.656.html
推 hugh509     : GOOGLE本來就沒啥眼光
推 tohelp      : 這文體跟9個0有得比
→ hugh509     : 他們早就發現光達的商業模型和實際營運有問題
→ hugh509     : 但是那些人開發案子跟在養老一樣，對這些都無所謂
推 manforman   : Tesla 新的技術share給北京了嗎
→ leo6315     : Robotaxi成功上路後還要花一筆錢搶市占
推 hugh509     : 手機、社群、AI、人型機器人、短影音，他們錯過多少
推 z22744388   : 樓上上 那就是股價下修時的佈局機會了
推 maplefog    : 特斯拉可以夜晚時速100km遇到塞車快速煞車?
→ maplefog    : 視覺在夜晚永遠比不上Lidar
推 StarburyX   : 轉頭太難了 這些光達 planing的員工怎麼辦？
推 mom213      : 總是有外行愛吹Lidar 頗呵
→ e04su3      : 又是一個出來丟臉的 你晚上開車速度100KM你煞得住??
→ e04su3      : 進出隧道的光線 你能馬上適應 不都是先放慢
推 LimYoHwan   : 不是誒 車板台灣自駕大師說光達才是未來
推 bj45566     : 推一下
推 KrisNYC     : 不全懂 先推慢慢看
推 rebel       : 我推這篇 你晚上視覺難道不退化？能開車就夠了 沒
→ rebel       : 要你當秋名山車神
推 duriamon    : 電車沒解決能源問題前都是笑話，里程焦慮這種問題放
→ duriamon    : 在美國那麼大的國土更是笑話，吹特斯拉的除非特斯拉
→ duriamon    : 能統一車界規格讓不同車廠都上FSD，要不然FSD就是只
→ duriamon    : 能在特斯拉上搞，再來里程問題就限死特斯拉的robota
→ duriamon    : xi只能在能源充足充電站夠的大城市，那跟waymo還不
→ duriamon    : 是一樣？
推 e04su3      : ㄜ......好像有人不知道特斯拉充電規格一統江湖了
→ e04su3      : 好像也不知道特斯拉能源業務是目前重要營利來源
推 sdbb        : 99nvdl
→ e04su3      : 算了 我還是困霸數錢好了
推 duriamon    : so？能源有解決里程焦慮嗎？笑死！
→ duriamon    : 還是先把我回的看清楚吧？
推 Kappa       : 真的 特斯拉超爛 你空了嗎？
→ duriamon    : 不看好特斯拉可以不買特斯拉股票吧？空是腦袋空空嗎
→ duriamon    : ？呵呵！
推 LimYoHwan   : 台灣自駕大師說AI 不是通解誒 怎辦 急
→ Kappa       : 哦 剩一張嘴而已 那你可以滾了
→ LimYoHwan   : https://i.imgur.com/L6dEsQG.jpeg
推 s56565566123: 上了四百每個人都是特粉了
推 e04su3      : 特黑好兇 沒賺到錢也別這麼兇嘛.......秀秀
推 duriamon    : 笑死！腦袋空空整天想空？
→ e04su3      : 看著買特斯拉股票的一直賺錢 不要吃味 秀秀
→ duriamon    : 這世界就是這樣，回覆的東西沒辦法用有營養的方式來
→ duriamon    : 反駁就只好訴諸感情了？哈哈！
→ e04su3      : 不看好 不敢空 不就代表自己也保留反面的想法 哈哈
→ e04su3      : 哥你可能自己都無法說服自己耶
推 Kappa       : 講的好像你的分析有營養一樣 連空單都沒有不就是出
→ Kappa       : 來耍白痴的嗎
→ duriamon    : 某些有閱讀障礙的人大概以為不看好就得空吧？那怎麼
→ duriamon    : 沒看到空空空的破產呢？呵呵！
→ e04su3      : 但也確實不要亂空 不然只是當多軍的燃料
→ e04su3      : 直接認真回那些不懂思考的 當FSD真的實現
推 Kappa       : https://reurl.cc/vpkq4y 在台灣讀書犯法？
→ e04su3      : 里程焦慮就是假議題 知道為什麼嗎 動動你可愛的腦袋
推 fang314     : 空不空是個人選擇 從200黑到400也是
推 paul910260  : 老實講我覺得未來還很難說，特斯拉數據多沒錯，但高
→ paul910260  : 精度本身就是一種很有價值的數據，光達也是，當今天
→ paul910260  : DL多用了這兩種資訊來訓練模型和Inference我覺得效
→ paul910260  : 果不見得比較差耶，而且這兩種數據成本高沒錯，採集
→ paul910260  : 困難代表後面的人要進來也難，高精度地圖有沒有機會
→ paul910260  : 做其他商業應用？我覺得可以耶，谷歌地圖有沒有辦法
→ paul910260  : 附能，產生更好的服務應用模式，我覺得說不定也是一
→ paul910260  : 種機會。我也很贊成特斯拉的純視覺方案，但未來需要
→ paul910260  : 一個開的遠比人類安全的系統，而不是跟人類差不多的
→ paul910260  : 系統。純視覺在一些corner cases要花多久時間才能co
→ paul910260  : ver到，我覺得這還很難說。總結我兩家都買XD但特斯
→ paul910260  : 拉現在的股價確實撐不起他的基本面，但誰知道呢有夢
→ paul910260  : 最美都買應該不會錯
推 gooddogleg  : 還好我已經在數錢，特黑就繼續黑沒差
推 aq5137      : 老人接受不了 只能唱衰
推 rebel       : 怎麼會覺得純視覺沒辦法解 corner case 難道你到沒
→ rebel       : 去過的地方就不會開車了嗎
→ StarburyX   : Corner case繼續用寫code 永遠寫不完
→ StarburyX   : Planing不用端到端  看不出出路在哪
→ StarburyX   : 對岸可以把寫code變成人力密集產業
→ aloness     : 是說自駕開台灣高山山路狀況如何？
→ aloness     : 這個要能克服，大概什麼都能克服了
→ StarburyX   : 美國人力太貴了 無法這樣玩
推 Kappa       : 保羅說的corner cases反而是高精地圖要花更多時間去
→ Kappa       : cver吧 純視覺不就是能解決各種狀況嗎
→ Kappa       : *cover
推 gladopo     : 對照ptt一慣的風向標準，真特黑的確可以考慮空了
推 StarburyX   : 說自駕純視覺端到端不行的 都是做光達的XD
推 rebel       : 人到第一次去的地方 沒看過的路況怎麼辦 靠經驗找
→ rebel       : 類似狀況套上去 現在AI 就在做類似的事啊 然後現在
→ rebel       : AI開車數據上已經比人類安全 考慮到路上一堆三寶
→ rebel       : 我是傾向相信
→ aloness     : 特現在有政治紅利，空他才是跟錢過不去
→ gladopo     : 自駕繼續發展肯定比人類安全，只是哪種技術為主難說
→ StarburyX   : V13已經改成光子計數
→ StarburyX   : Common AI 的CEO說  特第一名 我第二名
→ StarburyX   : 其他人五年前就說會倒了 看吧！
推 paul910260  : 我想表達的corner case可能不是指說一個新的地方這
→ paul910260  : 麼簡單，如果大模型不存在corner case 那現在特斯拉
→ paul910260  : 應該已經可以上路運營了，就是一些不知道為什麼會辨
→ paul910260  : 識不到的case或是辨識錯的case,舉個簡單的例子，會
→ paul910260  : 不會特斯拉誤判紅綠燈或是沒偵測到紅綠燈？這確實是
→ paul910260  : 現在FSD存在的問題，但高精地圖會標示每個路口位置
→ paul910260  : 及紅綠燈資訊，所以當狗哥把這個資訊加進去一起訓練
→ paul910260  : 模型，有機會辨識的更準
→ aloness     : 第一難開的正常道路，太魯閣→大禹嶺，自駕能克服
→ aloness     : 就厲害了
推 e04su3      : 這四年川普上任 特斯拉發展不受限 發展成熟後
→ e04su3      : 民主黨還是共和黨 差異性就不大了
推 StarburyX   : Paul 說的不錯 但還是以傳統自駕的觀點出發
→ StarburyX   : 感知 規劃 控制 這樣去理解
→ paul910260  : 當然用code寫規則我也不認同，但我不覺得谷歌不會意
→ paul910260  : 識到這點，他在路上的系統可以用舊的規則，實際實驗
→ paul910260  : 的系統可以改成E2E完全沒問題呀，我不覺得谷歌沒有
→ paul910260  : 能力做到，所以我說我兩家都會買
推 StarburyX   : 另一個角度來說 waymo反而更難改端到端
→ StarburyX   : 配備上車容易 減配才難
推 rebel       : 你這完全不叫corner case 吧 難道紅綠燈今天壞了你
→ rebel       : 就不會開車了？怎麼開 你有沒有開過沒燈號的路口
→ rebel       : 注意左右對向 安全就開過去阿 AI 沒偵測到路燈就當
→ rebel       : 無路燈路口開啊 反而高精度 我新增或移除路燈反而
→ rebel       : 麻煩
→ StarburyX   : 後面牽扯多少工程師 設備商的飯碗
推 sniper72    : 推分享
推 paul910260  : 不是喔，我想表達的意思是 多加入 高精地圖 和光達
→ paul910260  : 資訊 對於 最終訓練End 2 end 模型我覺得有幫助，谷
→ paul910260  : 歌說不定之後也考慮研發E2E, 純視覺成本低就可以做
→ paul910260  : 到很高準確率沒錯，完全認同，但今天如果是商用，討
→ paul910260  : 論一台完全沒有駕駛人的車輛的case, 我覺得就不是單
→ paul910260  : 純開的比人好的問題而已，而是要幾乎不能出現錯誤。
→ paul910260  : 不然換個方向講XD如果今天高精地圖都準備好了也有低
→ paul910260  : 成本的光達設備，特斯拉如果也拿這些data搭配影像訓
→ paul910260  : 練他現有的E2E model，表現會比較差嗎？還是更好呢
→ paul910260  : ？模型不是在各維度資訊下找到一個最好的角度去理解
→ paul910260  : 這些數據嗎？所以我覺得純視覺方案只是考量「經濟面
→ paul910260  : 」下最好的方案，但不代表只有引入純視覺就可以做到
→ paul910260  : 最好。因為未來如果純視覺出現了那麼幾次的突發意外
→ paul910260  : ，會不會就是高精地圖及光達資訊這一小塊拼圖可以補
→ paul910260  : 齊的？商用無人計程車應該是要近乎完美的服務。我也
→ paul910260  : 買特斯拉股票，我今年160附近買的，因為我也相信特
→ paul910260  : 斯拉，不是特黑，但我覺得谷歌的技術路線反而讓我相
→ paul910260  : 對放心可預期未來幾年的收益。
推 Kappa       : 但狗車有在做純視覺嗎？ 整合高精地圖這個成本有多
→ Kappa       : 少？
→ Kappa       : 真的整合出來 特斯拉的FSD進步到哪裡了？ 能不能立
→ Kappa       : 即追上特斯拉的技術
推 rebel       : 我覺得你太神化高精地圖 多一份資料可能有幫助 但
→ rebel       : 也可能是造成更多的資料衝突 如果地圖跟你說這邊有
→ rebel       : 路 但實際上是在修路挖了大坑呢 我是不懂為什麼商
→ rebel       : 業就一定要完美 現在小黃司機不完美 你就不搭嗎 更
→ rebel       : 別說以商業模式來說 有高精地圖才能用根本就災難
→ rebel       : 你應該不會不懂阿
推 paul910260  : For R大，對我那個其實應該不算corner case,只是簡
→ paul910260  : 單舉例說明，因為我理解真正的corner case是沒辦法
→ paul910260  : 解釋的，為何一張狗的照片丟給模型看他會說是貓，這
→ paul910260  : 種錯誤沒有辦法解釋，也是最難訓練的部分，如果都知
→ paul910260  : 道錯在哪那模型都100%正確了不是嗎？以我的例子來說
→ paul910260  : ，卻是模型可以學人一樣判斷左右兩邊有沒有車再開，
→ paul910260  : 但這樣的假設是基於我知道紅綠燈不準或是壞掉的前提
→ paul910260  : 下有的動作，如果今天紅綠燈顯示綠燈你還會左看右看
→ paul910260  : 嗎？那模型就是存在這樣的corner case把紅綠燈看錯
→ paul910260  : ，當然！紅綠燈只是「例子」，我覺得實際上的corner
→ paul910260  :  case不會那麼簡單可以說明
推 tim96tim    : 推分享
推 rebel       : 我也可以跟你說 AI 也不太可能到完美 你理想中的那
→ rebel       : 個不會錯的AI不存在 就像完美的人一樣 但是能把錯
→ rebel       : 誤率壓到很低就夠了 特現在就是看那些場景判斷不好
→ rebel       :  大量給他類似的情況去加強
推 rebel       : 然後顯示綠燈 我一樣會減速看一下左右 如果你不是
→ rebel       : 你最好考慮一下 你不能保證路上沒三寶 AI也同樣是
推 gladopo     : 純視覺就是便宜而已，肯定不是最好的，馬的用意或許
→ gladopo     : 是訓練AI視覺
推 rebel       : 純視覺不是最完美的 我覺得只是符合好好開車這要求
→ rebel       : 下 成本最低的而已
→ Kappa       : 真的要最好的確是高精地圖 但是那個營運成本真的符
→ Kappa       : 合經濟效益嗎
→ Kappa       : 一間公司最終的目的一定是賺錢 如果不能賺錢 那高
→ Kappa       : 精地圖在end game跟FSD一定沒有可比性
→ DamnAlfie   : 老馬說過了啊 只要證明自駕車比人開安全 沒有理由不
→ DamnAlfie   : 給上路
→ gladopo     : 出事都車廠賠的話當然OK...
推 gladopo     : 自駕出事率只和人差不多是不夠的，要讓人類安心相信
→ gladopo     : 自駕比人類好，標準會更高，而或許純視覺達不到
推 qqpbpp      : 里程焦慮很重要嗎？多數時間也是市區跑跑，人煙稀少
→ qqpbpp      : 的地方，每隔五十公里設個充電站也不難，本來就人煙
→ qqpbpp      : 稀少，也不用怕排隊，里程焦慮一定有辦法解決，尤其
→ qqpbpp      : 那種長程駕駛，完全靠人來操作，非常疲憊，更需要全
→ qqpbpp      : 自動駕駛，讓人可以睡覺 滑手機 聽音樂，一轉眼就到
→ qqpbpp      : 目的地
→ gladopo     : 比如內政部107年上半年肇事率為每萬輛63.88件
→ gladopo     : 視覺自駕砍半，混合模式剩1/50，那法領可能偏後者
→ gladopo     : 反正以進展來講全自駕是遲早的，只是不一定純視覺
推 paul910260  : 是的，那照你的例子回答，高精地圖知道前面30公尺有
→ paul910260  : 個隱蔽的小叉路，所以可以開始慢慢減速，還是有幫助
→ paul910260  : 的對吧，畢竟不知道會不會有三寶突然衝出來，FSD或
→ paul910260  : 許也看得到，但可能不是每個小叉路都知道，所以我覺
→ paul910260  : 得高精地圖，光達，視覺方案是可以fuse在一起的,當
→ paul910260  : 然馬斯克還是比較厲害,但或許谷歌有未來特斯拉需要
→ paul910260  : 的東西也不一定。感謝大大們指教~
推 TyuzuChou   : 反正台灣有49%的死忠馬黑，只要馬斯克的一切，他們
→ TyuzuChou   : 就黑
→ TyuzuChou   : 40%
推 dtfg        : 蘋果GM應該要讓油粉鄉民來當財務長的
推 DDHOWDA     : 特斯拉續航比油車高啊 哪有什麼焦慮 油車續航廢物
→ DDHOWDA     : 特斯拉早就在笑汽油車續航不足了
推 cityport    : 高精地圖只要一個道路施工，Waymo就當機給你看了
→ cityport    : 網路上一堆影片都是Waymo碰上狀況就在路上暴走
→ cityport    : 上次一個Waymo碰上修補路面施工，直接逆向行駛
推 e04su3      : 難得有理性討論 但認真說 高精地圖真的行不通
→ cityport    : 有光達，有高精地圖，但有用嗎？
→ e04su3      : 一旦道路發生變化 維護成本高之外 當下根本無法反映
推 e04su3      : 再來責任歸屬的問題 特斯拉保險部分又回來
→ e04su3      : 還好些陣子了 看來還是有人不知道
推 MaMaMoMo    : 哈哈哈 特黑依然很多 感到安心
推 DDHOWDA     : 光達哪能對訓練end2end加分啊
→ DDHOWDA     : 根本沒有足夠的光達資料
→ DDHOWDA     : 我們有足夠的行車紀錄影像 沒有足夠的光達影像
→ MaMaMoMo    : 160開美股衝進去買，現在已經屌打台股
推 e04su3      : 還有光達的資料訓練跟純視覺資料訓練 不是疊加概念
→ e04su3      : 並不是兩個一起訓練 就可以互相彌補
推 DDHOWDA     : 光達根本沒辦法做端到端 也沒有足夠訓練資料
→ DDHOWDA     : 人類世界裝上光達的車根本沒幾台 哪來的data
推 e04su3      : Waymo最終還是要靠貴鬆鬆無應的高精地圖才能開出去
→ e04su3      : 試想開車出門 發現導航地圖不夠精確 你就不敢開了嗎
→ stevegood   : 沒必要跟板上講認真的，特黑就是特黑，低調賺就可
→ stevegood   : 以了
→ e04su3      : 聽起來很好笑 但Waymo就是這個狀況
→ MaMaMoMo    : 我說真的，馬斯克和他所有公司這樣攤在媒體和所有人
→ MaMaMoMo    : 眼睛下面被檢視，還看不出這個人值得投資的話，賺
→ MaMaMoMo    : 不到錢是你自己眼界問題。
→ e04su3      : 而且這地圖還貴鬆鬆 時不時還要更新
→ e04su3      : 每次更新都要花錢 你覺得這種方式可行????????
推 DDHOWDA     : 要知道前面有沒有叉路 普通地圖就行了 用什麼高精圖
推 e04su3      : 不要嗆人眼界有問題啦 應該說每個時代總有守舊派
→ e04su3      : 都有那種抱著舊思維才有安全感的人 這不意外啦
→ e04su3      : 給他們賺錢機會 他們可能還會坐立難安 我先去數錢了
推 a77942002   : 現在問題來了 一台車要幾張A100~
→ e04su3      : 特斯拉這陣子太兇 不加倉了 可能改投指數或NVDA
→ MaMaMoMo    : 這算問題嗎？車子端是inference,不是training
→ greedypeople: 特斯拉真的漲到會讓人想加倉不知道怎麼加起
→ MaMaMoMo    : 這兩者的算力需求差異是天跟地的差別
推 a77942002   : 就算不是訓練也是要算力啊 現場基礎資料量大就要更
→ a77942002   : 多~
→ MaMaMoMo    : 目前也是抱著不加倉了，200附近壓了很大
推 e04su3      : 哈哈哈 可能有人AI模型的inference、training
→ e04su3      : 怎麼運作都不是很清楚
→ greedypeople: 車子算力應該現在的HW4就夠了  未來AI5算力可能會拿
→ greedypeople: 去做別的事
→ e04su3      : 怪不得還一堆人FSD LV3 LV3的嗆 只能說不要苛求啦
→ greedypeople: 光達路線應該是真的沒搞頭 連MOBILEYE都放棄改良了
推 a77942002   : 而且還是要即時不能給你在那邊慢慢算
推 e04su3      : 我覺得不懂AI的人 可以玩玩deepfake 做做換臉AV
→ e04su3      : 讓自己爽 多多少少也可以知道AI怎麼運作
→ e04su3      : 哈哈哈哈哈哈
→ MaMaMoMo    : 你直接以馬斯克目前cybercab 的規格當基準即可，畢
→ MaMaMoMo    : 竟目前這是他認定可以擔任robotaxi 的硬體規格。而
→ MaMaMoMo    : 整台車目標在25000～30000美金
→ greedypeople: cybercab 好像還直接要用無線充電搞 還弄新製程
→ greedypeople: 雖然我有點看不懂UNBOXED是厲害在哪裡
推 johnlin35   : 推
噓 kamichu     : 還在說只有七百台就表示你不懂ai
噓 kamichu     : 你要不要說統計學只抽一千個 不準
→ greedypeople: 那跟統計沒什關係  現在連LLM都在擔心網路上訓練的
→ greedypeople: 資料不夠用了  你就是需要去應付那些可能一億公里
→ greedypeople: 出現一次的邊緣狀況  700台你可能連一次都還沒遇過
推 geniusw     : 很多高能兒說光達才是最佳解
推 e04su3      : AI訓練跟抽樣統計混為一談 又一個半調子吊書袋的
推 Ashand      : Google的員工大部分都是去爽的 特斯拉的員工都是M屬
→ Ashand      : 性去給老馬操爆的
推 e04su3      : 再推!!給大家看看有人把統計抽樣跟AI訓練混在一起
→ e04su3      : 當撒尿牛丸嗎??????真的超級有趣
→ e04su3      : 特黑的想法難得居然出現這麼獵奇的
推 Ashand      : 重點是那700台的開車資料也是依照代碼去駕駛的 拿這
→ Ashand      : 個資料去訓練也只是訓練出跟代碼一樣的AI，這樣有什
→ Ashand      : 麼意義… 現在的端到端是用人類開車資料來訓練AI
→ x9002131    : 那個某K特黑可以不用理，嚴重懷疑來反串的
推 cdcardabc   : 推
推 paul910260  : 今天谷歌跟特斯拉都創all time high, 大家都好朋友
→ paul910260  : ，三年後來確認一下自駕車技術路線摟^^兩個股票都買
→ paul910260  : 是不是不會輸呢
噓 leviathen   : 非傳統做法很容易有uncanny valley的一些行為，要吹
→ leviathen   : 特斯拉等他家願意扛全責再說。
推 jackjack5566: 感謝分享推
推 benjaminliao: 看到特黑還是很多感到安心
→ Ashand      : 哪有人買Google是為了Waymo…
推 paul910260  : 同時買谷歌的確不全然是為了waymo,但waymo後面兩三
→ paul910260  : 年持續有不錯的表現反應在財報，也會提升谷歌股價，
→ paul910260  : 另外我看上面有人提到沒有高精地圖就不會開車是很糟
→ paul910260  : 的做法，但waymo不是沒有高精地圖就不會開喔，而是
→ paul910260  : 輔助提升安全性，即使某個路段沒有高精地圖也不代表
→ paul910260  : 他們不會駕駛，高精地圖很大程度是為了輔助定位在地
→ paul910260  : 圖上的座標，尤其在高樓密集的都市區，多重路徑干擾
→ paul910260  : 問題會更明顯，（當然現在GPS晶片有進步了...），但
→ paul910260  : 仍沒有搭配高精地圖的定位精準，定位有偏差，就沒有
→ paul910260  : 辦法精準預估快到地圖上的小叉路。我舉雙手支持且看
→ paul910260  : 好純視覺方案，但看好waymo也有機會發展出相同好用
→ paul910260  : 的系統，純視覺方案目前最大的挑戰就是還沒有商用，
→ paul910260  : 時間上也不確定性，股價波動大市場估值高而已，不代
→ paul910260  : 表支持waymo的人不看好TSLA XD
→ acgotaku    : 我覺得城市內可能能壟斷 但整體來說我覺得沒賺頭